SuperGPQA
AI बेंचमार्क के परिणाम और मॉडल का प्रदर्शन
प्रकार: percentage
दर्ज परिणाम
45
औसत स्कोर
55.02%
स्कोर सीमा
21.30% - 71.60%
अग्रणी मॉडल
71.60% - Qwen 3.6 Plus
समय के साथ स्कोर
तारीख के अनुसार दिखाए गए अलग-अलग बेंचमार्क स्कोर।
मॉडल परिणाम
| संगठन | मॉडल | रिपोर्ट किया गया | सबसे ऊँचा स्कोर | जानकारी | स्व-रिपोर्ट किया गया | स्रोत |
|---|---|---|---|---|---|---|
| Qwen 3.6 Plus | 01 अप्रैल 2026 | 71.60% | - | हाँ | स्रोत | |
| Qwen 3.5 397B A17B | 16 फ़र॰ 2026 | 70.40% | - | हाँ | स्रोत | |
| Seed 2.0 Pro | 14 फ़र॰ 2026 | 68.70% | Seed2 official benchmark table | SuperGPQA | हाँ | स्रोत | |
| Seed 2.0 Lite | 14 फ़र॰ 2026 | 67.50% | Seed2 official benchmark table | SuperGPQA | हाँ | स्रोत | |
| Qwen 3.5 122B A10B | 24 फ़र॰ 2026 | 67.10% | - | हाँ | स्रोत | |
| Qwen 3.5 27B | 24 फ़र॰ 2026 | 65.60% | - | हाँ | स्रोत | |
| Qwen 3.5 Flash | 23 फ़र॰ 2026 | 65.60% | inferred family alias from qwen3.5-27b (score=0.4147; benches=81) | हाँ | स्रोत | |
| Qwen 3 14B | - | 65.10% | inferred family alias from qwen3-max (score=0.3333; benches=6) | हाँ | स्रोत | |
| Qwen 3 Max Thinking | 26 जन॰ 2026 | 65.10% | inferred alias from qwen3-max | हाँ | स्रोत | |
| Qwen 3 TTS (2025-11-27) | - | 65.10% | inferred family alias from qwen3-max (score=0.3833; benches=6) | हाँ | स्रोत | |
| Qwen 3 235B A22B Thinking 2507 | - | 64.90% | - | हाँ | स्रोत | |
| Qwen 3 VL 235B A22B Thinking | - | 64.30% | - | हाँ | - | |
| Qwen 3.5 35B A3B | 24 फ़र॰ 2026 | 63.40% | - | हाँ | स्रोत | |
| Qwen 3 A235 A22B Instruct 2507 | - | 62.60% | - | हाँ | स्रोत | |
| Seed 2.0 Mini | 14 फ़र॰ 2026 | 61.60% | Seed2 official benchmark table | SuperGPQA | हाँ | स्रोत | |
| Qwen 3 Next 80B A3B Thinking | - | 60.80% | - | हाँ | स्रोत | |
| Qwen 3 VL 235B A22B Instruct | - | 60.40% | - | हाँ | - | |
| Qwen 3 VL 32B Thinking | - | 59% | - | हाँ | - | |
| Qwen 3 Next 80B A3B Instruct | - | 58.80% | - | हाँ | स्रोत | |
| Qwen 3.5 9B | 02 मार्च 2026 | 58.20% | - | हाँ | स्रोत | |
| Kimi K2 (2025-09-05) | 05 सित॰ 2025 | 57.20% | Acc | हाँ | स्रोत | |
| Qwen 3 VL 30B A3B Thinking | - | 56.40% | - | हाँ | - | |
| Qwen 3 VL 32B Instruct | - | 54.60% | - | हाँ | - | |
| Qwen 3 VL 30B A3B Instruct | - | 53.10% | - | हाँ | - | |
| DeepSeek V4.1 Flash | 10 सित॰ 2026 | 53.10% | Base model; 5-shot; EM | हाँ | स्रोत |
